なぜGoogle Meetの背景ぼかしが最強なのか（一般公開版）
はじめに 最近ついに、Google Meet に背景ぼかし機能が利用可能になりましたよね。日本語だとインプレスのケータイ Watchの記事などで紹介されてます。確か 2020 年 9 月末前後で順次リリースされていたと記憶しています。 このときは「背景ぼかし」の機能しかなかったのですが、最近（私が気づいたのは 2020/10/30）更にアップデートされました。アップデートで「背景差し替え」機能が付いて、ぼかし機能もぼかし効果が強弱 2 つから選べるようになりました。まだ日本語のニュース記事は見てないですが、Googleによるアップデートの発表はちゃんとされています。 そして、Google AI Blog でBackground Features in Google Meet, Powered by Web MLという記事が公開され、実装についての解説がされました。 この記事はその解説記事を
【Conference Projector】OpenAI API を使って CVPR 2023 全体を眺めるWebサイトを作成した - IrohaLog
概要 CVPR 2023 会議全体を可視化したグラフを眺めながら論文検索できるWebサイトを作成したので紹介します。 会議に採択された論文全体を可視化したグラフから、 カテゴリやアプリケーションが近い論文を探せます。 テキスト検索ではない方法で、広い視野で論文を探せます。 会議全体で盛り上がっている分野や、逆にニッチな分野を把握することもにも役立ちます。 研究テーマを模索している方や、広い視野で業界動向を知りたい方におすすめです。 yuukicammy--conference-projector-wrapper.modal.run 概要 はじめに Conference Projector で何ができるか システム概要 実装詳細 (1) スクレイピング (2) カテゴリ、アプリケーションなどのテキスト生成 (3) Embedding (4) PDFからの画像抽出 (5) 次元圧縮 (6) K
Computational Imaging (MIT Press)
About the Book A comprehensive and up-to-date textbook and reference for computational imaging. Computational imaging involves the joint design of imaging hardware and computer algorithms to create novel imaging systems with unprecedented capabilities. In recent years such capabilities include cameras that operate at a trillion frames per second, microscopes that can see small viruses long thought
FILM: Frame Interpolation for Large Motion
FILM turns near-duplicate photos into a slow motion footage that look like shot with a video camera. We present a frame interpolation algorithm that synthesizes an engaging slow-motion video from near-duplicate photos which often exhibit large scene motion. Near-duplicates interpolation is an interesting new application, but large motion poses challenges to existing methods. To address this issue,
NeRF: Neural Radiance Fields
NeRFRepresenting Scenes as Neural Radiance Fields for View SynthesisECCV 2020 Oral - Best Paper Honorable Mention
Reproducing Japanese Anime Styles With CartoonGAN AI
From Hayao Miyazaki’s Spirited Away to Satoshi Kon’s Paprika, Japanese anime has made it okay for adults everywhere to enjoy cartoons again. Now, a team of Tsinghua University and Cardiff University researchers have introduced CartoonGAN — an AI-powered technology that simulates the styles of Japanese anime maestri from snapshots of real world scenery. Anime has distinct aesthetics, and traditiona
[1812.04948] A Style-Based Generator Architecture for Generative Adversarial Networks
We propose an alternative generator architecture for generative adversarial networks, borrowing from style transfer literature. The new architecture leads to an automatically learned, unsupervised separation of high-level attributes (e.g., pose and identity when trained on human faces) and stochastic variation in the generated images (e.g., freckles, hair), and it enables intuitive, scale-specific
産総研、イラスト画像をレイヤーに分解する手法を発表。分解したレイヤーをPhotoshopやGIMPなどで編集 | Seamless
産総研、イラスト画像をレイヤーに分解する手法を発表。分解したレイヤーをPhotoshopやGIMPなどで編集 2018-10-09 産業技術総合研究所の研究者らは、イラスト画像を入力に、レイヤーに分解する手法を発表しました。 論文：Decomposing Images into Layers with Advanced Color Blending 著者：Yuki Koyama, Masataka Goto Credit:David Revoy 本論文は、ターゲット画像をハードライトや乗算などのカラーブレンドモードとして、半透明レイヤーに分解する手法を提案します。 ユーザは、入力であるターゲット画像のレイヤーの数、各レイヤーのカラー分布、カラーブレンドモードを指定することで、様々な分解を探求することができ、生成したこれらのレイヤーをPhotoshop、GIMP、After Effectsな
GANによる超解像がもたらす新しい方向性と「The Perception-Distortion Tradeoff」の話 - Think more, try less
CVPR2018にて超解像分野において極めて重要そうだなと感じた論文がありました。Yochai Blauらによる下記の論文です。 [1711.06077] The Perception-Distortion Tradeoff この内容を踏まえて最近の超解像研究の流れをまとめたいと思います。 超解像とは？ 超解像について振り返ります。多くの方がwaifu2xというソフトウェアで一度は目にしたことがあるかもしれません。下記イメージのように低解像の画像を高解像の画像に変換する方法を 超解像（Super Resolution）と呼ばれます。 （参照元：二次元画像を拡大したいと思ったことはありませんか？ - デー） このwaifu2xがざっくりどのように超解像を行っているかというと、ベースはSRCNNというConvolutional Neural Netoworkを使った超解像手法であり、下記のよう
A Closed-form Solution to Photorealistic Image Stylization
Photorealistic image stylization concerns transferring style of a reference photo to a content photo with the constraint that the stylized photo should remain photorealistic. While several photorealistic image stylization methods exist, they tend to generate spatially inconsistent stylizations with noticeable artifacts. In this paper, we propose a method to address these issues. The proposed metho
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Stealthy Porn: Understanding Real-World Adversarial Images for Illicit Online Promotion
Remove Background from Image – remove.bg
https://nico-opendata.jp/publish/neural-style-synthesizer/neural-style-synthesizer.pdf
Fast and Accurate Multiplicative Decomposition for Fringe Removal in Interferometric Images
Stability of Scattering Decoder For Nonlinear Diffractive Imaging
A Unified Framework for Generalizable Style Transfer: Style and Content Separation
Image Correction via Deep Reciprocating HDR Transformation
TOM-Net: Learning Transparent Object Matting from a Single Image
Gloomy Sunday
Learning High Dynamic Range from Outdoor Panoramas